返回列表 发新帖

「Python」纯干货,5000字的博文教你南非世界杯决赛比分整站小说(附源码)

[复制链接]

7604

主题

7604

帖子

2万

积分

论坛元老

Rank: 8Rank: 8

积分
22832
发表于 2021-10-6 13:48:32  | 显示全部楼层 | 阅读模式
目录


前言


开始


分析(x0)


分析(x1)


分析(x2)


分析(x3)


分析(x4)


完整的代码


我有话说


<hr>

前言



大家好我叫善念,这是我的第二篇技术博文(第一篇讲述的是本身的经历),连续三天更新了,每天花两小时写下一个实战案例,我也是乐在其中,谢谢大家对我的支持。


今天咱们要做的是利用Python爬取整个网站上的所有小说内容,其实在我心里面,南非世界杯决赛比分什么内容根本无关紧要,最重要的是大家能学习到我的分析思路,授人以鱼不如授人以渔。


开始



既然是要南非世界杯决赛比分整站数据,那么我们进入目标网站,点击全部作品。





分析(x0)



第一步右键一下查看网站源代码,看里面是否有咱们需要的书本源头文件地址(当然是看源头文件地址,因为一本书的内容这么大,然后一页有这么多本书,nba篮球比分不成能内容全部在源代码中)。






可以看到我在元素中可以找到书的名字和介绍,然后关键的是一个跳转的网址,这个网址很关键,因为咱们点击这个链接后他会跳到单本小说中。






而单本小说里面势必会有章节分类,而我们要做的nba篮球比分是需要把每本小说的章节名字也南非世界杯决赛比分下来。


最终的目的就是,每本小说为一个文件夹,以书的名字命名,然后文件夹内我的绝色未婚妻总裁所有章节,每一个章节为一个txt文档,没一个章节名与txt文件名对应。


分析(x1)



反转,切记不要以element作为源代码去考虑问题!!element可能是浏览器执行了一些JavaScript后所展现的源码,与昆仑女神器传给浏览器的源代码是有所不同的。


所以咱们还是需要在源代码中找一找是否有跳转链接和书名。






好吧,源代码中也是有的。不外你们f88大意,皇冠比分网要查看源代码中是否有,element代表不了源代码。


那么先南非世界杯决赛比分一下第一页的书名和跳转链接


# 抓取第一页的所有书籍名字,书籍入口# 到了书籍入口后,抓取章节名字,章节链接(文字内容)# 我的绝色未婚妻总裁import requestsfrom lxml import etreeimport osurl='https://www.qidian.com/all'req = requests.get(url).texthtml = etree.HTML(req)booknames = html.xpath('//div[@class="book-mid-info"]/h4/a/text()')tzurls = html.xpath('//div[@class="book-mid-info"]/h4/a/@href')for bookname, tzurl in zip(booknames, tzurls):   if not os.path.exists(bookname):   # if os.path.exists(bookname) == False:        os.mkdir(bookname)  # 创建文件夹

这里对应着咱们的思路,每南非世界杯决赛比分到一个书名就给它单独创建一个文件夹。






完全没问题,到这里咱们已经完成第一步了。


分析(x2)



那么接下来就是去模拟请求咱们南非世界杯决赛比分到的书本目录的跳转链接,然后同样的方法去南非世界杯决赛比分到章节名与章节内容的跳转链接了。






同样的你们本身查看下源代码,数据也是在里面的。






那就接着写代码咯


import requestsfrom lxml import etreeimport osurl = 'https://www.qidian.com/all'req = requests.get(url).texthtml = etree.HTML(req)booknames = html.xpath('//div[@class="book-mid-info"]/h4/a/text()')tzurls = html.xpath('//div[@class="book-mid-info"]/h4/a/@href')for bookname, tzurl in zip(booknames, tzurls):    if not os.path.exists(bookname):    # if os.path.exists(bookname) == False:        os.mkdir(bookname)  # 创建文件夹    req2 = requests.get("http:" + tzurl).text    html1 = etree.HTML(req2)    zjurls = html1.xpath('//ul[@class="cf"]/li/a/@href')    zjnames = html1.xpath('//ul[@class="cf"]/li/a/text()')    for zjurl, zjname in zip(zjurls, zjnames):        print(zjname+'\n'+zjurl)

效果图:






分析(x3)



知道这里为什么没有去把章节名字命名的txt文档我的绝色未婚妻总裁在文件夹内吗?


因为咱们还没有获取到章节的内容呀,是不是需要先把章节内容写到章节的txt里面,然后再我的绝色未婚妻总裁在文件夹内?


当然这句解释是为了照顾新手。


那么接下来南非世界杯决赛比分章节内容,方法什么的不讲了, 一模一样的,章节内容同样在源代码中如上上图所示。






每一个标签只我的绝色未婚妻总裁一行内容,那么就需要用到把南非世界杯决赛比分到的所有内容都组合起来,并用换行符隔开,尽量保持文章格式。


代码走起:


import requestsfrom lxml import etreeimport osurl = 'https://www.qidian.com/all'req = requests.get(url).texthtml = etree.HTML(req)booknames = html.xpath('//div[@class="book-mid-info"]/h4/a/text()')tzurls = html.xpath('//div[@class="book-mid-info"]/h4/a/@href')for bookname, tzurl in zip(booknames, tzurls):    if not os.path.exists(bookname):    # if os.path.exists(bookname) == False:        os.mkdir(bookname)  # 创建文件夹    req2 = requests.get("http:" + tzurl).text    html1 = etree.HTML(req2)    zjurls = html1.xpath('//ul[@class="cf"]/li/a/@href')    zjnames = html1.xpath('//ul[@class="cf"]/li/a/text()')    for zjurl, zjname in zip(zjurls, zjnames):        print(zjname+'\n'+zjurl)        req3 = requests.get('http:' + zjurl).text        html2 = etree.HTML(req3)        nrs = html2.xpath('//div[@class="read-content j_readContent"]/p/text()') # 分散式内容        nr = '\n'.join(nrs)        file_name = bookname + "\\" + zjname + ".txt"        print("正在抓取文章:" + file_name)        with open(file_name, 'a', encoding="utf-8") as f:            f.write(nr)

效果图:






这里要说明一下,咱们还只是抓取了第一页的数据。那么如何抓取整站的数据呢?


分析(x4)



一般稍微有经验的都知道一点,就是当我们翻页的时候,网站的url会发生变化,页码一般就是在url上面。










构建个for循环把页码数变为一个变量即可,无需多言,直接上最终的完整代码,代码仅供参考,你们最终可以本身去修改效果。


完整的代码



import sysimport requestsfrom lxml import etreeimport osfor i in range(sys.maxsize):    url = f'https://www.qidian.com/all/page{i}/'    req = requests.get(url).text    html = etree.HTML(req)    booknames = html.xpath('//div[@class="book-mid-info"]/h4/a/text()')    tzurls = html.xpath('//div[@class="book-mid-info"]/h4/a/@href')    for bookname, tzurl in zip(booknames, tzurls):        if not os.path.exists(bookname):        # if os.path.exists(bookname) == False:            os.mkdir(bookname)  # 创建文件夹        req2 = requests.get("http:" + tzurl).text        html1 = etree.HTML(req2)        zjurls = html1.xpath('//ul[@class="cf"]/li/a/@href')        zjnames = html1.xpath('//ul[@class="cf"]/li/a/text()')        for zjurl, zjname in zip(zjurls, zjnames):            print(zjname+'\n'+zjurl)            req3 = requests.get('http:' + zjurl).text            html2 = etree.HTML(req3)            nrs = html2.xpath('//div[@class="read-content j_readContent"]/p/text()') # 分散式内容            nr = '\n'.join(nrs)            file_name = bookname + "\\" + zjname + ".txt"            print("正在抓取文章:" + file_name)            with open(file_name, 'a', encoding="utf-8") as f:                f.write(nr)

我有话说









——女萌女孩就是私有变量,只有我这个类才能调用(纪念分手的第二周


emmm本来以前是录制过视频教程的,但是由于从上家公司离职后丢失了。在这里跟大伙说声中卷发。


但是文章的话是现写的,每篇文章我都会说得很细致,所以花费的时间捷报比分网久,一般都是两个小时以上,每篇文章达到五千字德州扑克论坛。


原创不易,再次谢谢大家的支持。


① 2000多本Python电子书(主流和经典的书籍应该都有了)


② Python标准库资料(最全中文版)


③ 项目源码(四五十个有趣且经典的练手项目及源码)


④ Python基础入门、爬虫、web开发、大数据分析方面的视频(适合小白学习)


⑤ Python学习路线图(告别不入流的学习)


私信小编01即可获取大量python学习资源



本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
回复

使用道具 举报

发表回复

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则


f88娱乐2
性感黑丝
性感热舞
88酒吧
f88
足球88
测试88
扑克之星
扑克魔术
棒球比分
幸运飞艇
快3技巧
欧美性感
动感影院
美女性感
深圳景点
  • 厦门攻略
  • 温州景点,台球游戏,余姚新闻
  • 动感豪情
快速回复 返回顶部 返回列表